机器学习模型精准预测沼气工程产物特性

近日，中国农业科学院农业环境与可持续发展研究所种植废弃物清洁转化与高值利用创新团队，通过机器学习算法对湿法沼气工程中发酵产物特性进行了精准预测。相关研究成果发表在《化学工程杂志（Chemical Engineering Journal）》上。

厌氧发酵是一种重要的农业废弃物处理方法，针对传统机器学习模型在预测发酵性能时存在的精度低、线性相关性差等问题，该研究选择典型的2种非时序模型（GBR和RF）和3种时序模型（LSTM、CNN-LSTM和DA-LSTM）进行系统比较，模型超参数优化后用于预测湿法沼气工程中发酵产物的特性。

该研究获得了较为理想的预测甲烷含量的GBR非时序模型，且时序模型DA-LSTM在预测产气量方面优于时序模型LSTM和CNN-LSTM。该研究建立的机器学习模型可精准预测湿法沼气工程中发酵产物特性，为湿法沼气工程过程调控及高效产气提供重要的理论和技术支撑，同时该研究建立的方法框架包括输入数据预处理、模型训练和优化、精度验证和泛化能力提升等，可为其他可再生能源工程中的模型预测提供方法指导。

该研究得到国家现代农业产业技术体系、国家自然科学基金、中国农业科学院科技创新工程等项目的资助。（通讯员：王佳）

原文链接：https://www.sciencedirect.com/science/article/pii/S1385894724070736